핵심 내용 요약
중국의 AI 모델 기업들은 이제 “다른 사람을 따르는” 경쟁에서 “자신이 선도하는” 경쟁 단계로 진입하고 있습니다. 하지만 이 경쟁은 단순히 모델의 단일 능력을 비교하는 것이 아니라, “지속적으로 더 강력한 지능을 만들어내는 능력”을 겨루는 것입니다. 현재 국내 모델 기업들은 “파라미터-컴퓨팅 성능-자본”을 활용한 자금 소모 경쟁에 빠져 있습니다: 파라미터의 규모가 수조 단위에서 3조 단위로 증가했으며, 일부 기업들은 5조에서 10조 단위까지 늘리려고 합니다; 컴퓨팅 성능을 위해 GW(기가와트)급 데이터센터를 건설해야 하며, 자금 조달 수요도 폭발적으로 증가하고 있습니다 (예: 월지암면은 올해 75억 달러를 조달했고, 알리바바는 800억 홍콩달러를 주식 발행으로 모았습니다). 그러나 수익은 투자에 비해 훨씬 부족합니다 — 중미의 선두 모델 기업들과의 연간 수익 차이는 50배에 달하며, 국내 시장 규모는 제한적이어서 오픈소스 모델로는 수익을 내기 어렵습니다. 자원의 제약을 받은 상황에서 각 기업들은 다른 돌파 방법을 선택하고 있습니다: 일부는 대형 모델의 사전 훈련에 투자하고, 일부는 기존 모델을 최적화하여 비용을 줄이며, 또 다른 일부는 하드웨어까지 자체적으로 개발하고 있습니다. 이 경쟁의 핵심은 자금이 적고 수익이 낮은 상황에서도 지속적으로 최첨단 지능을 만들어낼 수 있는지 여부입니다.
1. 파라미터, 컴퓨팅 성능, 자본: 멈출 수 없는 자금 소모 경쟁
현재 국내 AI 업계의 경쟁 방식은 변했습니다: 이전에는 모델의 파라미터 크기를 비교했지만, 올해는 킴리(Kimi K3)가 3조 단위로 급격히 증가했으며, 일부 기업들은 5조에서 10조 단위를 목표로 하고 있습니다. 하지만 파라미터를 늘리는 것은 말만으로는 되지 않으며, 컴퓨팅 성능에 의존해야 합니다 — 예를 들어, GW급 데이터센터를 건설해야 합니다 (1GW는 시간당 100만 kWh의 전력을 소비하는데, 이는 작은 군의 전력 사용량과 비슷합니다). 그리고 컴퓨팅 성능을 위해서는 자금이 필요합니다:
- 월지암면은 올해 75억 달러를 조달했고, 딥시크(DeepSeek)는 1라운드에서 50억 위안을 조달한 후 추가로 50억 위안을 더 모으려고 합니다;
- 텐센트와 알리바바는 한 분기에 1200억 위안을 AI에 투자했으며, 알리바바는 AI 투자를 위해 처음으로 800억 홍콩달러를 주식 발행으로 모았습니다.
간단히 말해, 현재의 AI 경쟁은 “누가 더 많은 자금을 소모할 수 있느냐에 따라 파라미터와 컴퓨팅 성능에서 선두를 차지할 수 있습니다.
2. 수익의 한계: 상업화의 현실적 어려움
자금을 소모하는 것은 쉽지만, 수익을 내는 것은 어렵습니다. 이것이 중국 모델 기업들이 직면한 가장 큰 문제입니다:
- 중미 간의 수익 차이가 큽니다: 오픈AI(OpenAI)와 앤서로픽(Anthropic)은 연간 1000억 달러 이상을 벌지만, 국내의 지스푸(Zhipu), 딥시크(DeepSeek), 킴리(Kimi) 세 회사의 수익은 합쳐서 약 20억 달러에 불과합니다;
- 국내 시장이 제한적입니다: 알리바바 클라우드의 AI 관련 사업 수익은 연간 73억 달러에 불과하며, 이는 국내 기업들이 AI에 투자할 의향이 있는 최대 금액을 반영합니다;
- 오픈소스 모델의 수익화가 어렵습니다: 많은 오픈소스 모델이 널리 사용되지만, 수익을 내지 못합니다. 킴리(Kimi)는 자체 라이선스를 통해 이 문제를 해결하려고 하고 있습니다 — 예를 들어, 기업이 킴리-K3를 사용하여 상업 제품을 만들면 비용을 지불해야 하며, 이는 “무료 사용”에서 “수익 창출”으로의 첫 단계입니다.
더 큰 문제는, 현재 중국 모델 기업들의 평가액 대 수익 비율(Valuation/ARR)이 미국 기업들보다 훨씬 높다는 것입니다. 수익이 자금 소모 속도를 따라잡지 못하면 평가액이 급격히 하락하고, 자금 조달도 더 어려워집니다.
3. 세 가지 다른 돌파 방법: 모델 기업들의 전략
거대 기업의 자금 지원이 없기 때문에, 국내 모델 기업들은 스스로 길을 찾아야 합니다. 세 선두 기업은 각자 다른 전략을 선택했습니다:
1. 킴리(Kimi/월지암면): 사전 훈련에 다시 투자
이전에 킴리는 “증류”(다른 사람의 모델 능력을 빠르게 복제하는 방법)로 앤서로픽의 의심을 받았지만, 이제는 사전 훈련 규모를 늘리는 전략으로 바꿨습니다 (다른 사람의 것을 복사하는 것이 아니라 새로운 건물을 짓는 것과 같습니다). 킴리-K3는 여러 테스트에서 오픈AI에 근접한 성능을 보였습니다.
2. 지스푸(Zhipu): 기존 모델을 최적화하여 비용을 줄이기
지스푸는 파라미터를 무분별하게 늘리지 않고, 기존 모델을 개선하여 비용을 줄입니다 — 예를 들어, 장문 처리 능력을 향상시키고 강화 학습을 최적화합니다. 이렇게 하면 능력을 향상시키면서도 추론 비용을 줄일 수 있으며, 국내 정부 및 기업 고객의 사설화 배포 요구에 적합합니다 (고객은 자체적으로 서버를 구축해야 하며, 비용이 너무 높아서는 안 됩니다).
3. 딥시크(DeepSeek): 하드웨어까지 자체 개발
딥시크는 파라미터를 늘리는 것뿐만 아니라, 칩을 자체 개발하고 컴퓨팅 인프라를 최적화합니다. 컴퓨팅 성능의 병목 현상이 점점 두드러지고 있기 때문에 (충분한 GPU를 구할 수 없음), 자체 하드웨어를 개발하면 이 문제를 해결할 수 있습니다. 어렵지만, 성공하면 다른 기업들을 압도할 수 있습니다.
4. 최첨단 경쟁의 본질: 지속적으로 지능을 만들어내는 능력
기사에서 언급했듯이, 최첨단 경쟁의 분수령은 “현재 모델이 얼마나 강한가”가 아니라 “지속적으로 더 강력한 지능을 만들어낼 수 있는가”입니다. 중국 모델 기업들에게 이는 다음을 의미합니다:
- 단기적인 자금 투자로만 파라미터를 늘리는 것이 아니라, “더 적은 자금으로 지속적으로 능력을 향상시킬 수 있는 방법”을 찾아야 합니다;
- 해외 시장이 필수적입니다: 국내 시장이 충분하지 않으므로 전 세계에서 수익을 창출해야 합니다. 예를 들어, 코어위브(CoreWeave, 엔비디아가 투자한 AI 클라우드)는 중국의 오픈소스 모델을 즉시 배포하고, 하비(Harvey, 법률 AI)는 킴리-K3를 사용하여 제품을 만듭니다;
- “따르는” 사고방식을 벗어나야 합니다: 현재 중국 기업들은 주로 오픈AI를 주목하고 있지만, 미래에는 자신만의 길을 찾아야 합니다.